夜间照明对路侧开口处车辆行驶特性影响分析

摘要

近年来，随着经济社会的不断发展，我国汽车保有量也与日俱增。伴随而来的是大量交通事故与交通安全隐患。许多交通设施的建设都出于行车安全的目的，夜间照明也是其中重要的一个设施。有研究表明，30％～40％的交通安全事故发生在夜间，发生率远高于白天，但道路照明往往着重于路段的照明却容易忽略路侧开口等风险更大的区域。鉴于此，本文基于问卷调查及无人机航拍视频数据，分析道路照明对车辆行驶特性的影响。
　　本文首先问卷调查的方式研究驾驶员对夜间行车的主观感受，探寻影响驾驶员夜间行车的因素。问卷内容包括基础信息调查、主观感受调查及行为倾向调查。采用李克特五级量表设计，并利用信度效度的分析方法检验回收样本的有效性及可靠性。在确定了样本的可靠性后，采用因子分析的方法，提取出影响驾驶员夜间行车的7个主要公因子，并结合公因子所包含的内容对因子进行命名与解释。利用提取得到的公因子进行模糊综合评价，分析照明对驾驶员的影响。
　　然后，以无人机航拍的方式，采集得到大量车辆在路侧开口处的行驶数据，利用Tracker软件对视频数据进行处理，得到车辆在不同位置的速度。通过MATLAB软件对车辆行驶的位置与速度绘制散点图得出车辆在路侧开口处的基本行驶规律。
　　在此基础上，通过分析和对比白天与夜间车辆行驶特性的区别，提出车速变化率变量用以表征车辆在正常行驶状态下和经过路侧开口时的车速变化幅度。之后选取了一个无夜间照明的路段作为干预组，并在其余三条具有相似道路特性的路段中选取与干预组变化趋势最相近的路段作为对照组。以车速变化率作为解释变量，将缺乏道路照明作为干预措施，利用双重差分(DID)模型对照明设施的影响进行评估。得出缺乏照明将导致车速变化率提高的结论。
　　最后，延续之前的研究，将照度、车流量、车道数、中央分隔带及车速等5个参数作为输入变量，车辆速度变化率作为输出变量，建立人工神经元网络。采用反向传播算法（BP算法）作为求解神经元网络的方法。同时在迭代过程中加入动量项用以加快收敛速度。以均方误差(MSE)作为模型收敛的评价标准，通过训练得到神经元网络。训练完成后，分析了5个输入变量的敏感度，得出照度的影响大小。最后通过控制变量的方法得出不同情况下路面照度与车速变化率的关系曲线，并为道路设施的建设提出建议。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状综述

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 现状研究的不足

1．3 研究内容与技术路线

1．3．1 研究目标

1．3．2 研究内容

1．3．3 技术路线

第二章 夜间照明对驾驶员的影响分析

2．1 调查目的

2．2 样本基本信息统计分析

2．3 驾驶行为意向数据统计

2．4 信度分析

2．5 效度分析

2．5．1 共同度计算

2．5．2 因子模型的适应性分析

2．5．3 因子分析

2．6 模糊综合评价模型

2．7 本章小结

第三章 道路照明对车辆行驶特性的影响分析

3．1 数据采集

3．1．1 采集方法

3．1．2 采集地点选择

3．2 数据处理

3．3 路侧开口处的车速分析

3．4 白天与夜间车速对比

3．5 双重差分模型简介

3．6 基于双重差分模型的照明条件影响分析

3．7 本章小结

第四章 不同照明强度下的车辆行驶特性

4．1 数据整理

4．2 人工神经元网络模型简介

4．2．1 人工神经元网络的基本概念

4．2．2 人工神经元基本模型结构

4．3 BP神经网络简介

4．3．1 BP算法简介

4．3．2 BP人工神经元网络算法的数学描述汇

4．4 敏感性分析

4．5 车速变化率分析

4．5．1 神经元网络学习及测试

4．5．2 照度对车速变化率影响分析

4．6 本章小结

第五章 总结与展望

5．1 总结

5．2 改善建议

5．3 论文的不足与展望

致谢

参考文献